一、什么是商业智能（BI）?举例说明 RT
1.概念：目前,商业智能通常被理解为将企业能够得到的数据转化为情报,并帮助企业做出明智的业务经营决策的工具.这里所谈的数据包括来自企业业务系统的订单、库存、交易账目、客户和供应商资料、来自企业所处行业和竞...
二、商务智能BI什么，和商业智能有什么区别
二者是一样的，商务智能BI又叫商业智能，它是一套完整的解决方案，用来将企业中现有的数据进行有效的整合，快速准确的提供报表并提出决策依据，帮助企业做出明智的业务经营决策。商业智能BI在数据架构中处于前端分析的位置，其核心作用是对获取数据的多维度分析、数据的切片、数据的上钻和下钻、cube等。通过ETL数据抽取、转化形成一个完整的数据仓库、然后对数据仓库的数据进行抽取，而后是商业智能的前端分析和展示。国外BI厂商tablaeu、国内FineBI都很不错。
商业智能和商务智能严格意义上是一个名字，简称BI，主要指将数据通BI工具，在数据建模的基础上，进行各种可视化交互式分析，挖掘数据价值的一整套解决方案，包括ETL、数据仓库、数据建模、数据科室、自助式分析、报表统计等，例如Wyn BI就指的是一种商业智能软件和解决方案。
三、如何理解ERP与商务智能BI的关系
第一，ERP 和商业智能 BI 的服务对象不同。
ERP 主要服务于一线业务部门，重点解决企业业务流程、业务过程管理的问题。而商业智能 BI 主要面向企业的管理决策层（ 管理决策层不一定是指企业的最高层领导，也可以是带有管理决策属性的人员 ）。当然，商业智能 BI 中的基础报表也可以兼顾到一线业务人员的报表需求，并且比 ERP 中的报表更强大和灵活。
第二，商业智能 BI 跨系统的取数能力。
ERP、各个业务系统是彼此独立的，业务模块独立的、数据分散独立，而商业智能 BI 是建立在所有业务系统之上的，当企业需要跨系统跨业务看数据的时候就需要使用到商业智能 BI。打比方各个业务系统对应的是各个部门的话，商业智能 BI 就是位居各个部门之上的那个管理层。
商业智能 BI 通过访问和抽取各个业务系统的数据，把这些数据汇聚起来按照一定的业务分析主题来进行业务分析模型的建设和可视化分析报表的开发。而业务系统之间由于缺少相应的数据接口或者 API接口是没有办法直接打通的，或者很少进行横向的打通，商业智能 BI 就是专业干这个事的。
商业智能作为一个工具，是用来处理企业中现有数据，并将其转换成知识、分析和结论，辅助业务或者决策者做出正确且明智的决定。是帮助企业更好地利用数据提高决策质量的技术，包含了从数据仓库到分析型系统等。
BI是架构在ERP之上的，而决策支持是在BI基础上的在扩展。
也就是说，新的架构体系使行业用户能够在现有企业数据库之上再创建一个“虚拟”企业。行业用户可将现有的数据库资源整合到一个分布式的BI网络环境当中，像ERP一样，它是一种自上而下的透视方法，他能提高行业用相关商业目标的执行潜力，并允许用户重组一种更精准的部门级操作流程；然后创建出整个公司目标执行的实时监视体系。
ERP是面向操作的软件，BI是面向决策的软件。两者是互补系统。
BI可以建立在ERP系统已经收集原始数据的基础上，弥补ERP在分析、决策功能上的不足。
四、AI（人工智能）和BI（商业智能）各有哪些优缺点？
BI目前实现的是收集数据，提供反馈，辅助决策的能力，以数据为基础的，面向数据管理和分析，属被动角色。而AI则辅以大数据，算法等得到更有价值的信息，实现收集+预测的能力，更多的是主动角色。
虽然AI的应用范围非常广，但结合BI现仍是处理结构化的数据。而此处二者的交集在于机器学习和数据挖掘，但又略有不同。AI的机器学习强调算法，BI的数据挖掘还包括对数据的管理，算法选择上也较为简单，没有神经网络和深度学习等复杂AI算法。
未来,AI与BI的区别在于BI负责梳理生产关系，AI是先进生产力。那么AI+BI模式通过将AI嵌入BI，构建基于AI的BI平台，利用AI的智能让BI系统能够解决更复杂的业务场景，产出更精准的分析结果，从而使决策更为科学和准确。
对于结构化的数据，BI系统可应用机器学习算法，得到更精确的分析结果。例如上文提到的总结用户画像，分析人群行为数据，得到千人千面，实现精准营销的结果。还有金融领域的风险监测，AI+BI的模式可以分析出金融风险和其他指标、行为之间的内在联系，预测更为准确。
对于非结构化的数据，BI可以应用图像处理、语音工程和文本分析等AI技术，智能化地处理复杂业务场景。如语音转文字，录入数据及产出想要的报表等。
业务场景除了在 IT 信息化基础比较扎实的行业，也会在深度场景化的细分领域，且这些领域不具备通用性。也可理解为解决方案不具备复用性。这个时候通过AI完成一些算法匹配，根据匹配的结果来驱动业务执行。
人工智能个商业智能根本上就不是一回事
商务智能是通过数据指导商务决策的一系列技术整合，最主要的技术是数据立方体和报表，最多是给出汇总指标的预测
而人工智能是人类智能的实现，包括感知问题，推理问题等等，现在主流的人工智能技术是机器学习，也就是从数据里学习规律来做决策
